相比于深度学习，机器学习没落了吗？

从AlphaGo战胜李世石开始，AI就成为了数据圈、信息圈、计算机圈、互联网圈最火爆的话题。当时无论是电视、互联网节目还是我们的朋友圈，都在讨论着人工智能。

在AlphaGo的背后，是机器学习、深度学习、强化学习等人工智能算法。随着“刷脸”的进一步普及，深度学习在图像处理、语言处理方面掀起了一场革命。

确实，深度学习在计算机视觉、听觉方面是光芒四射的，甚至有可能将过去的许多计算机视觉算法彻底边缘化。相比传统的机器学习算法来说，深度学习在处理大量数据时的准确率是独领风骚的。

从目前的学习热度来讲，深度学习要高出机器学习不少。有很多人在开发更好的深度学习网络，而机器学习逊色不少。那么我们要送给机器学习一首凉凉吗？

当然，

不。

第一，深度学习处理的问题与机器学习有一定交集，准确来说，深度学习实际上只是机器学习的一个小部分。机器学习经过多年的发展，已能胜任大量问题，而深度学习的主要着手点还是在分类领域。

第二，深度学习需要大量数据。为什么这几年它开始火爆起来，又为什么它在计算机视觉与听觉方面发展的最好呢？就是因为只有在有大量数据做前提时，深度学习才能最大程度发挥它的神通。数据量的多与少，对于深度学习来说，完全是皓月与荧光的区别。在处理很多实际问题时，有多少数据？能达到海量的级别吗？面对这样的情况，机器学习十分容易就能解决好预测、分类、聚类等常见问题。

第三，深度学习可能需要时间。在处理大量数据时，深度学习有很多训练时间，伴随着很多的成本。企业必须在收益与成本之间衡量，为此可能牺牲精确度。

杀鸡不用牛刀。作为两个还在高速发展的科技，二者均以处理实际问题为核心目的，所以还应具体问题具体操作，没有必要选择一个方法处理所有问题，也做不到。